Depois de textos, imagens, vídeos e código alimentarem a primeira grande geração de modelos de inteligência artificial, uma nova corrida começa a ganhar bilhões de dólares em investimentos: ensinar máquinas a compreender e interagir com o mundo físico.
No centro desse movimento está a Mecka AI, startup criada em 2024 que coleta e analisa movimentos humanos para produzir dados utilizados no treinamento de robôs humanoides e outros sistemas robóticos.
Segundo pessoas familiarizadas com as negociações ouvidas pelo TechCrunch, a empresa está próxima de uma nova rodada de investimentos liderada pela Sequoia Capital que pode avaliá-la em aproximadamente US$ 500 milhões. O tamanho exato do aporte ainda não foi revelado e os termos não são definitivos, portanto tanto a estrutura quanto o valuation ainda podem mudar.
A velocidade chama atenção porque a Mecka anunciou há apenas três meses uma rodada de US$ 60 milhões, liderada pela Framework Ventures e com participação de Menlo Ventures, SV Angel e Kindred Ventures.
A Mecka não está construindo apenas mais um robô
O negócio da empresa está em uma camada diferente da corrida pela robótica.
Em vez de concentrar seus esforços apenas na fabricação de humanoides, a Mecka quer fornecer algo que praticamente todos eles precisam:
dados do mundo real.
A própria empresa se apresenta como uma camada de dados e implantação para a chamada Physical AI, ou inteligência artificial física, e argumenta que um dos principais obstáculos atuais para a robótica é justamente a falta de dados capazes de representar a enorme variedade de situações encontradas fora dos laboratórios.
O problema é fundamentalmente diferente daquele enfrentado pelos primeiros grandes modelos de linguagem.
A internet foi um gigantesco banco de dados para os LLMs
Modelos de linguagem encontraram na internet uma quantidade extraordinária de material produzido por seres humanos.
Livros, artigos, fóruns, documentação, páginas, códigos e inúmeras outras fontes forneceram exemplos de como pessoas:
escrevem;
programam;
argumentam;
respondem perguntas;
organizam conhecimento.
Para um robô aprender a preparar café, organizar objetos, manipular ferramentas ou trabalhar em uma oficina, entretanto, não existe um equivalente perfeito da internet contendo bilhões de demonstrações estruturadas de interação física.
É exatamente esse vazio que empresas como a Mecka tentam preencher.
Pessoas são pagas para realizar tarefas enquanto seus movimentos são registrados
A estratégia da Mecka envolve coletar demonstrações humanas de atividades cotidianas.
Participantes podem executar ações como preparar café ou consertar carros, enquanto smartphones e sensores corporais registram informações sobre os movimentos e o ambiente. Esses dados são posteriormente processados e transformados em material utilizável no treinamento de sistemas robóticos.
Não basta simplesmente filmar uma pessoa.
Para um sistema de robótica, pode ser necessário compreender relações muito mais detalhadas entre:
mãos;
objetos;
posição;
profundidade;
velocidade;
trajetória;
força;
ambiente;
sequência das ações.
A plataforma da Mecka lista capacidades relacionadas a compreensão de pixels, profundidade e geometria, rastreamento de objetos, segmentação, força tátil, som, velocidade e movimento, nuvens de pontos e localização.
Preparar café parece simples — até tentarmos ensinar uma máquina
Para uma pessoa, fazer café pode ser quase automático.
Mas considere tudo o que acontece.
Localizar a xícara. Identificar sua orientação. Pegá-la sem deixá-la cair. Controlar a força aplicada pelos dedos. Encontrar o recipiente. Abrir uma tampa. Despejar determinada quantidade. Posicionar objetos. Evitar obstáculos.
E cada cozinha é diferente.
As xícaras mudam.
As máquinas mudam.
As bancadas mudam.
A iluminação muda.
Os objetos podem estar em posições completamente diferentes.
Um robô de propósito geral precisa aprender a lidar não apenas com a situação ideal apresentada no laboratório, mas com milhares de variações e exceções do mundo real.
É aí que aparece o grande gargalo da Physical AI
Um robô pode ser mecanicamente impressionante e ainda assim falhar em tarefas banais quando encontra algo que não estava previsto em seu treinamento.
Por isso, empresas do setor querem aumentar dramaticamente a quantidade e a diversidade das demonstrações utilizadas pelos modelos.
A tese é parecida com a que impulsionou a IA generativa:
mais dados relevantes + melhores modelos + mais computação = sistemas mais capazes.
Na robótica, porém, conseguir os dados é muito mais trabalhoso.
Um texto pode ser copiado digitalmente em segundos.
Uma demonstração física precisa acontecer no mundo real.
Isso está criando uma nova indústria de coleta de dados
A Mecka não está sozinha.
A XDOF, outra startup focada em dados físicos para robótica, estava recentemente em negociações para uma Série B que poderia avaliá-la em cerca de US$ 1,2 bilhão, segundo o TechCrunch. A empresa combina teleoperação de robôs com coletores humanos equipados com sensores para registrar tarefas físicas.
Plataformas originalmente ligadas à produção de dados para modelos de linguagem também estão expandindo para robótica. O TechCrunch cita empresas como Scale AI e Micro1 nesse movimento.
Isso sugere que os dados necessários para ensinar máquinas a agir fisicamente podem se transformar em uma das próximas grandes categorias da economia da inteligência artificial.
A Mecka quer ser uma espécie de infraestrutura para essa corrida
A comparação natural é com empresas que cresceram fornecendo dados humanos para LLMs.
Durante a explosão da IA generativa, companhias especializadas em anotação, avaliação e produção de datasets tornaram-se peças importantes da cadeia de treinamento.
Agora surge a tentativa de repetir essa lógica para:
robôs.
A diferença é que o dado deixa de ser predominantemente linguístico e passa a representar ações físicas.
A Mecka quer ocupar justamente essa posição intermediária entre humanos, modelos, hardware robótico e empresas que pretendem colocar essas máquinas para trabalhar.
Os fundadores nem sequer vieram originalmente da robótica
Outro aspecto curioso é que os quatro cofundadores não possuíam carreira anterior no setor de robótica, segundo o TechCrunch.
A Mecka foi criada por Josh Gao, Mogen Cheng, Jason Chong e Duy Nguyen. Gao e Cheng haviam desenvolvido anteriormente uma fintech voltada ao setor de restaurantes, enquanto Chong passou pela Coinbase depois que sua exchange de criptomoedas foi adquirida pela empresa. Nguyen concentra-se nas operações da Mecka.
O grupo identificou aquilo que considerava um gargalo estrutural:
faltavam dados sobre interações humanas no mundo físico em escala suficiente para treinar robôs generalistas.
O mercado parece acreditar que esse gargalo vale muito dinheiro
O possível valuation de US$ 500 milhões é especialmente significativo porque a empresa é muito jovem.
Mas existe uma ressalva importante: a rodada ainda não está fechada.
O TechCrunch afirma ter obtido as informações com duas pessoas familiarizadas com o acordo. Nem o tamanho preciso da rodada foi descoberto, nem os termos foram finalizados. A Mecka não respondeu ao pedido de comentário da publicação e a Sequoia recusou-se a comentar.
Portanto, não é correto afirmar neste momento que:
“Sequoia investiu na Mecka a um valuation de US$ 500 milhões”.
O correto é:
a empresa está negociando uma rodada liderada pela Sequoia que pode avaliá-la em aproximadamente US$ 500 milhões.
Existe outro número impressionante — mas ele também precisa ser interpretado corretamente
Em junho, Josh Gao afirmou que a Mecka projetava terminar 2026 com annual run rate de US$ 100 milhões.
Annual run rate não significa necessariamente que a empresa já tenha faturado US$ 100 milhões durante o ano.
É uma medida anualizada baseada no ritmo de negócios ou receita em determinado momento.
Essa diferença é especialmente importante quando se avaliam startups em crescimento acelerado.
O dinheiro está perseguindo a infraestrutura invisível da robótica
Quando se fala em robôs humanoides, normalmente as imagens mais impressionantes recebem atenção.
Robôs andando.
Correndo.
Carregando caixas.
Trabalhando em fábricas.
Mas existe uma infraestrutura enorme por trás dessas demonstrações.
Dados.
Sensores.
Teleoperação.
Simulação.
Anotação.
Avaliação.
Modelos.
Computação.
A Mecka aposta que o dado físico será tão importante para a próxima geração de robôs quanto os grandes conjuntos de texto foram para os LLMs.
Teleoperação é outra estratégia importante
Nem todo treinamento precisa vir de alguém apenas usando sensores no próprio corpo.
Outra abordagem é colocar uma pessoa para controlar diretamente:
o robô.
O humano movimenta os controles e a máquina reproduz as ações.
Ao mesmo tempo, o sistema registra:
posição das articulações;
trajetória;
interações;
resultado da tarefa.
Esse material pode posteriormente alimentar modelos capazes de realizar a mesma atividade com cada vez menos intervenção humana.
A XDOF, por exemplo, desenvolveu ferramentas voltadas justamente para esse modelo e diz trabalhar com cerca de 20 clientes, incluindo laboratórios de IA de fronteira.
A corrida é para diminuir a dependência de operadores humanos
Teleoperar um robô pode funcionar muito bem.
Mas existe um problema econômico óbvio.
Se cada robô precisar de:
uma pessoa controlando-o permanentemente,
grande parte da promessa de automação desaparece.
O objetivo é utilizar demonstrações humanas para ensinar modelos que posteriormente consigam:
perceber;
decidir;
agir
de maneira cada vez mais autônoma.
E isso exige muito mais do que ensinar uma única tarefa
Um robô industrial tradicional pode ser programado para repetir:
o mesmo movimento;
na mesma posição;
milhares de vezes.
Um humanoide de propósito geral tem uma ambição completamente diferente.
Ele precisa funcionar em ambientes que:
não são perfeitamente previsíveis.
Uma caixa pode estar torta.
Uma ferramenta pode ter sido movida.
Uma peça pode cair.
Uma pessoa pode atravessar seu caminho.
O objeto pode possuir tamanho diferente.
Esses casos inesperados são justamente alguns dos exemplos que grandes datasets físicos precisam capturar.
Quanto mais variado o mundo, maior o valor dos dados
Essa é uma diferença fundamental entre demonstrações impressionantes e produtos comercialmente úteis.
Um robô pode funcionar perfeitamente:
em uma demonstração preparada.
O desafio é continuar funcionando quando o ambiente deixa de cooperar.
É por isso que a Mecka diz que tarefas reais são “ruidosas” e que os modelos precisam experimentar em escala casos extremos e demonstrações específicas para conseguir generalizar.
A própria empresa está indo além da simples coleta
O posicionamento atual da Mecka indica uma ambição maior do que vender arquivos de treinamento.
A companhia descreve uma infraestrutura conectando três elementos:
hardware, modelos e parceiros comerciais.
Sua plataforma também contempla ferramentas para coletar, visualizar, consultar e avaliar dados, além de suporte à implantação de sistemas físicos em ambientes empresariais.
Isso sugere uma tentativa de participar de uma parte maior da cadeia da robótica.
O próximo “petróleo da IA” pode não estar na internet
A primeira fase da IA generativa consumiu uma quantidade gigantesca do conhecimento digital produzido pela humanidade.
A próxima fase pode exigir algo que nunca foi registrado com a mesma abundância:
como humanos interagem fisicamente com o planeta.
Como pegamos objetos.
Como utilizamos ferramentas.
Como dobramos roupas.
Como abrimos portas.
Como preparamos comida.
Como organizamos uma bancada.
Como consertamos um carro.
Para nós, são tarefas cotidianas.
Para uma máquina tentando aprender a agir no mundo:
são dados.
E investidores estão começando a precificar esses dados
A possível rodada da Mecka é mais um sinal de que o mercado de capital de risco está apostando na formação dessa nova camada da inteligência artificial.
A XDOF pode chegar a US$ 1,2 bilhão de valuation em uma rodada que também permanecia em negociação quando foi reportada.
A Mecka agora se aproxima dos US$ 500 milhões.
Empresas tradicionais de dados para IA estão entrando no setor.
O padrão começa a ficar claro:
antes de existir uma economia gigantesca de robôs trabalhando, pode surgir uma economia gigantesca de humanos ensinando esses robôs a trabalhar.
E talvez essa seja uma das ironias mais interessantes da automação.
Para construir máquinas capazes de executar atividades humanas sem ajuda constante de pessoas, a indústria primeiro precisa observar, registrar e transformar em dados:
uma quantidade monumental de trabalho humano.
